は
バイアス（Bias）
AIが学習データや設計上の偏りを持ってしまうこと。
たとえば「男性の写真ばかりで学習すると、男性を優先的に認識する」などの問題が起きる。
バイナリデータ（Binary Data）
0と1の組み合わせで表現されるデータ。
画像・音声・プログラムなど、AIが処理するあらゆるデジタル情報の基本単位。
バッチ学習（Batch Learning）
すべてのデータをまとめて学習する方式。
一度に大量のデータを処理するため、高精度だが学習コストが高い。
バックプロパゲーション（Backpropagation）
ニューラルネットワークの誤差を逆方向に伝えて重みを更新する手法。
AIが自らの間違いを修正し、正確に学習していくための基本原理。
パターン認識（Pattern Recognition）
ニューラルネットワークの誤差を逆方向に伝えて重みを更新する手法。
AIが自らの間違いを修正し、正確に学習していくための基本原理。
パラメータ（Parameter）
ニAIモデルが学習によって調整する値。
重みやバイアスなどが含まれ、AIの性能を左右する。
汎化（Generalization）
AIが学習データ以外の未知のデータにも対応できる能力。
「覚える」ではなく「理解する」力を持つAIの指標となる。
反復学習（Iterative Learning）
学習と評価を何度も繰り返して精度を高める方法。
AIのトレーニングでは一般的な学習サイクル。
ひ
比較学習（Contrastive Learning）
似ているデータと違うデータを比較しながら学ぶ方法。
AIが「区別する力」を身につけるのに有効。
ヒートマップ（Heat Map）
数値データを色の濃淡で視覚的に表現する図。
AIの判断根拠を可視化する際にも使われる。
非線形（Nonlinear）
入力と出力が単純な比例関係ではない状態。
AIはこの性質を利用して、複雑なパターンを学習している。
ふ
ファインチューニング（Fine-tuning）
既存のAIモデルを特定の目的に合わせて再調整すること。
ChatGPTなどの大規模モデルでも頻繁に行われる。
フィードバックループ（Feedback Loop）
AIの出力結果が次の学習や判断に影響する仕組み。
正しく設計されていないと、偏った結果を強化してしまうこともある。
フィードフォワード（Feed Forward）
ニューラルネットワークで、入力から出力へ一方向に情報を流す仕組み。
最も基本的なネットワーク構造のひとつ。
フレームワーク（Framework）
データをカテゴリに分けるAIモデル。
スパム判定や画像認識などでよく使われる。
へ
平均二乗誤差（Mean Squared Error / MSE）
予測値と正解の差を二乗して平均した誤差指標。
AIの性能評価によく用いられる基本的な評価方法。
並列処理（Parallel Processing）
複数の計算を同時に行う処理方式。
AIの高速学習を実現するためにGPUなどで活用される。
変換モデル（Transformer Model）
文章や画像を処理する最先端のAIモデル構造。
ChatGPTやBERTなどの基盤技術であり、「Attention」を利用して高精度な理解を行う。
ベクトル化（Vectorization）
文字や画像などを数値の並びに変換すること。
AIが意味や特徴を理解するための最初のステップとなる。
ほ
ボット（Bot）
自動で動作するプログラム。
チャットボットやSNSの自動返信などが代表例。
ホールデン・アウト（Holdout）
学習用データとテスト用データを分ける方法。
AIモデルの性能を正確に評価するための基本的な手法。